一種基于遺傳算法的數(shù)據(jù)流測(cè)試用例自動(dòng)生成方法
【專利摘要】本發(fā)明公開了一種基于遺傳算法的數(shù)據(jù)流測(cè)試用例自動(dòng)生成方法。目前基于遺傳算法的數(shù)據(jù)流測(cè)試用例自動(dòng)生成技術(shù)中，遺傳算法的交叉、變異點(diǎn)隨機(jī)選取在個(gè)體基因中的任意位置，產(chǎn)生優(yōu)良基因的同時(shí)也存在破壞已有優(yōu)良基因的可能；子代種群的個(gè)體最大適應(yīng)度值無(wú)論是否大于父代的個(gè)體最大適應(yīng)度值，都向下繼續(xù)遺傳，延長(zhǎng)了迭代過程。本發(fā)明在計(jì)算適應(yīng)度函數(shù)時(shí)找到不滿足目標(biāo)路徑的具體分支，利用該分支的結(jié)構(gòu)信息約束遺傳算法交叉、變異操作的范圍，同時(shí)通過比較子代與父代種群中個(gè)體的最大適應(yīng)度值，拋棄那些低于父代適應(yīng)度值的子代，從而確保了優(yōu)良基因的傳遞，降低了迭代次數(shù)，提高了計(jì)算效率。
【專利說明】一種基于遺傳算法的數(shù)據(jù)流測(cè)試用例自動(dòng)生成方法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明涉及一種測(cè)試用例自動(dòng)生成方法，尤其涉及一種基于遺傳算法的數(shù)據(jù)流測(cè)試用例自動(dòng)生成方法，屬于軟件結(jié)構(gòu)測(cè)試技術(shù)。
【背景技術(shù)】
[0002]數(shù)據(jù)流測(cè)試是一種基于代碼的白盒測(cè)試技術(shù)，使用程序中的數(shù)據(jù)流關(guān)系來指導(dǎo)測(cè)試者選取測(cè)試用例。即可以選擇一定的測(cè)試用例，使程序按照某個(gè)變量的定義-使用路徑執(zhí)行，通過檢查執(zhí)行結(jié)果是否與預(yù)期的相符來發(fā)現(xiàn)程序的錯(cuò)誤。相對(duì)控制流，基于數(shù)據(jù)流的軟件測(cè)試考察了每個(gè)數(shù)據(jù)的流向，對(duì)程序的執(zhí)行更深入，更有利于對(duì)代碼的測(cè)試。
[0003]測(cè)試用例生成是軟件測(cè)試中的關(guān)鍵環(huán)節(jié)，其實(shí)現(xiàn)對(duì)于軟件測(cè)試過程的自動(dòng)化具有重要意義。因此，隨著數(shù)據(jù)流測(cè)試技術(shù)的深入應(yīng)用，研究面向數(shù)據(jù)流的測(cè)試用例自動(dòng)生成方法十分必要。大量研究表明，遺傳算法采用概率化的搜索方式，具有全局搜索優(yōu)化能力強(qiáng)，能自學(xué)習(xí)、自適應(yīng)，在測(cè)試用例自動(dòng)生成中取得了較好的效果。文獻(xiàn)《基于數(shù)據(jù)流分析的測(cè)試用例自動(dòng)生成技術(shù)》、《基于數(shù)據(jù)流的測(cè)試數(shù)據(jù)自動(dòng)生成技術(shù)研究》將遺傳算法與數(shù)據(jù)流技術(shù)相結(jié)合，依據(jù)數(shù)據(jù)流信息對(duì)測(cè)試用例進(jìn)行評(píng)價(jià)，實(shí)現(xiàn)測(cè)試用例的自動(dòng)生成。但是目前基于遺傳算法的數(shù)據(jù)流測(cè)試用例自動(dòng)生成技術(shù)存在如下問題:遺傳算法在進(jìn)行交叉、變異操作時(shí)，交叉、變異點(diǎn)可能選取在個(gè)體基因中的任意位置，交叉、變異操作產(chǎn)生優(yōu)良基因的同時(shí)也存在破壞已有優(yōu)良基因的可能；在迭代過程中，沒有對(duì)子代與父代種群中個(gè)體的最大適應(yīng)度值進(jìn)行比較，導(dǎo)致無(wú)論子代是否優(yōu)于父代，都向下逐代遺傳。這些問題導(dǎo)致在生成測(cè)試用例時(shí)，迭代次數(shù)多，算法效率低。

【發(fā)明內(nèi)容】

[0004]本發(fā)明解決的技術(shù)問題是:克服現(xiàn)有技術(shù)的不足，提供一種基于遺傳算法的數(shù)據(jù)流測(cè)試用例自動(dòng)生成方法，本發(fā)明根據(jù)被測(cè)程序的結(jié)構(gòu)信息約束遺傳算法交叉、變異操作的范圍，同時(shí)在迭代過程中拋棄種群最大適應(yīng)度函數(shù)值不大于父代種群的子代，從而確保了優(yōu)良基因的傳遞，降低了迭代次數(shù)，提高了算法效率。
[0005]本發(fā)明的技術(shù)方案是:一種基于遺傳算法的數(shù)據(jù)流測(cè)試用例自動(dòng)生成方法，步驟如下:
[0006](I)針對(duì)被測(cè)程序P中的一個(gè)定義使用對(duì)(def, use),找出由入口節(jié)點(diǎn)Ii1開始并且經(jīng)過定義節(jié)點(diǎn)def的使用節(jié)點(diǎn)use的支配路徑domdef Oi1, use)；
[0007](2)根據(jù)設(shè)定的遺傳算法參數(shù)和輸入變量的取值范圍、精度，隨機(jī)生成初始種群InitPop,并賦值給當(dāng)前種群 CurrentPop,即 CurrentPop=InitPop,同時(shí)將 CurrentPop 賦值給父代種群 ParentPop,即 ParentPop=CurrentPop ；
[0008](3)將當(dāng)前種群CurrentPop中的每個(gè)個(gè)體輸入被測(cè)程序P，檢查實(shí)際路徑Pa對(duì)支配路徑domdef Oi1, use)的覆蓋程度；
[0009](4)若當(dāng)前種群CurrentPop中的所有個(gè)體執(zhí)行完后，domdef Oi1, use)中仍有節(jié)點(diǎn)沒有被覆蓋，且當(dāng)前遺傳代數(shù)沒有達(dá)到設(shè)定的最大遺傳代數(shù)，則執(zhí)行(5)- (7)，否則執(zhí)行(8);
[0010](5)計(jì)算當(dāng)前種群CurrentPop中每個(gè)個(gè)體的適應(yīng)度函數(shù)值,將其中最大值賦值給當(dāng)前種群CurrentPop中個(gè)體的最大適應(yīng)度值fmax_cur,當(dāng)CurrentPop種群中個(gè)體的最大適應(yīng)度值fmax_cur不大于父代種群中個(gè)體的最大適應(yīng)度值fmax_old時(shí),拋棄當(dāng)前種群，將父代種群再賦值給CurrentPop,即CurrentPop=ParentPop,其中fmax_old初始值為O,然后執(zhí)行(6);當(dāng)CurrentPop種群中個(gè)體的最大適應(yīng)度值fmax_cur大于父代種群中個(gè)體的最大適應(yīng)度值fmax_old時(shí),更新父代種群中個(gè)體的最大適應(yīng)度值,即fmax_old=fmax_cur,然后執(zhí)行(6)；
[0011](6)依據(jù)適應(yīng)度函數(shù)值，根據(jù)程序結(jié)構(gòu)信息對(duì)當(dāng)前種群CurrentPop利用遺傳算法進(jìn)行選擇、交叉和變異操作得到新的種群NewPop ；
[0012](7)將當(dāng)前種群CurrentPop賦值給父代種群的副本ParentPop,即 ParentPop=CurrentPop,將新種群 NewPop 賦值給當(dāng)前種群 CurrentPop,CurrentPop=NewPop,重復(fù)步驟(3)-(4)；
[0013](8)若在最大遺傳代數(shù)之內(nèi)找到了覆蓋Cbmdef(I^use)中所有節(jié)點(diǎn)的測(cè)試用例，則輸出該符合要求的測(cè)試用例；否則返回步驟(2)重新設(shè)定遺傳算法參數(shù)，直到生成符合要求的測(cè)試用例。
[0014]所述步驟(1)中找出支配路徑domdef Oi1, use)的方法為:
[0015]domdef (Ii1, use) =dom (Ii1, def) U dom(def, use)
[0016]其中，domOv def)表示由入口節(jié)點(diǎn)Ii1到定義節(jié)點(diǎn)def所必須經(jīng)過的節(jié)點(diǎn)組成的路徑，dom(def, use)表示由定義節(jié)點(diǎn)def到使用節(jié)點(diǎn)use所必須經(jīng)過的節(jié)點(diǎn)組成的路徑。
[0017]所述步驟(5)中計(jì)算個(gè)體適應(yīng)度函數(shù)值的公式為:
L
[0018]/= —

ηι
[0019]其中，m表示支配路徑Clomdef (叫，use)的長(zhǎng)度，Ls為程序?qū)嶋H執(zhí)行路徑Pa從入口點(diǎn)Ii1開始覆蓋支配路徑domdef Oi1, use)的連續(xù)路徑長(zhǎng)度。
[0020]所述步驟(6)中根據(jù)程序結(jié)構(gòu)信息對(duì)當(dāng)前種群CurrentPop利用遺傳算法進(jìn)行選擇、交叉和變異操作的方法為:
[0021](4.1)首先進(jìn)行選擇操作:種群中每個(gè)個(gè)體進(jìn)入下一代的概率等于其適應(yīng)度值與整個(gè)種群中個(gè)體適應(yīng)度值和的比值，采用優(yōu)先級(jí)隨機(jī)概率選擇的方式選擇M個(gè)適應(yīng)度好的個(gè)體，其中M > 2 ；
[0022](4.2)對(duì)選中的個(gè)體進(jìn)行分組:按照適應(yīng)度值對(duì)選中的個(gè)體進(jìn)行分組，具有相同適應(yīng)度值的個(gè)體被分在同一組里，同組個(gè)體擁有相同的“第一個(gè)不滿足目標(biāo)路徑的分支節(jié)點(diǎn)” Clst，即以同組個(gè)體作為輸入測(cè)試被測(cè)程序時(shí)，程序執(zhí)行路徑將在同一分支節(jié)點(diǎn)處偏離目標(biāo)路徑，提取與該分支節(jié)點(diǎn)相關(guān)的輸入變量作為與該組個(gè)體相關(guān)的輸入變量，約束后續(xù)交叉變異的范圍；
[0023](4.3)對(duì)分組后的個(gè)體進(jìn)行交叉操作:交叉操作在同組個(gè)體之間進(jìn)行，對(duì)提取出的與該組個(gè)體相關(guān)的輸入變量所對(duì)應(yīng)的數(shù)據(jù)位進(jìn)行多點(diǎn)交叉，其他輸入變量直接賦值給子代；
[0024]根據(jù)組內(nèi)個(gè)體數(shù)目，分兩種情況進(jìn)行交叉操作:[0025]I)組內(nèi)個(gè)體大于I時(shí)，對(duì)相鄰的兩個(gè)個(gè)體進(jìn)行交叉；
[0026]2)組內(nèi)只有一個(gè)個(gè)體時(shí)，通過復(fù)制個(gè)體的方式來完成交叉操作；
[0027](4.4)對(duì)交叉操作后的個(gè)體進(jìn)行變異操作:對(duì)交叉操作生成的子代個(gè)體，隨機(jī)從每個(gè)需要修改的輸入變量所對(duì)應(yīng)的數(shù)據(jù)位中選取一個(gè)或多個(gè)數(shù)據(jù)位進(jìn)行修改，形成新的個(gè)體。
[0028]所述步驟(4.2)中提取與某分支節(jié)點(diǎn)相關(guān)的輸入變量的步驟為:
[0029](a)提取分支表達(dá)式中運(yùn)算符號(hào)左右兩邊涉及到的所有變量，將其中的輸入變量
加入到R輸人變量集合中，即R輸人變量={R輸人變量I，R輸人變量2，…，R輸人變量J，將程序變量加入到R程序變量集合中，即R程序變量={R程序變量丨，R程序變量2，…，R程序變量J，n e [1，N], N為自然數(shù)；
[0030](b)對(duì)每個(gè)程序變量，從該分支表達(dá)式向前逐條語(yǔ)句回溯掃描，若掃描到該程序變量的賦值語(yǔ)句(該程序變量位于賦值號(hào)左邊)，則賦值號(hào)右邊的變量即為程序變量的相關(guān)變量;
[0031](C)如果這些相關(guān)變量都為輸入變量，則針對(duì)該程序變量的掃描停止，將其相關(guān)的輸入變量加入到R?入集合中，如果這些變量中還有程序變量，則繼續(xù)執(zhí)行(b)和(c)，直到這些變量中沒有程序變量為止；
[0032](d)對(duì)集合中的所有變量執(zhí)行(b)和(C)，從而找到與每一個(gè)程序變量相關(guān)的輸入變量，R?入》集合中所有的變量即為與該分支相關(guān)的所有輸入變量。
[0033]本發(fā)明與現(xiàn)有技術(shù)相比具有如下有益效果:
[0034](I)目前遺傳算法的交叉、變異點(diǎn)可能選取在個(gè)體基因中的任意位置，產(chǎn)生優(yōu)良基因的同時(shí)也存在破壞已有優(yōu)良基因的可能。本發(fā)明在計(jì)算適應(yīng)度函數(shù)時(shí)找到不滿足目標(biāo)路徑的具體分支，利用該分支的結(jié)構(gòu)信息約束遺傳算法交叉、變異操作的范圍，從而確保了優(yōu)良基因的傳遞，提高了算法效率；
[0035](2)目前基于遺傳算法的數(shù)據(jù)流測(cè)試用例自動(dòng)生成技術(shù)沒有對(duì)迭代過程中子代與父代種群中個(gè)體的最大適應(yīng)度值進(jìn)行比較，即使子代適應(yīng)度值低于父代，也仍然向下繼續(xù)遺傳，本發(fā)明比較子代與父代的最大適應(yīng)度值，只有子代適應(yīng)度值大于父代才繼續(xù)向下遺傳，否則拋棄子代，由父代再重新生成新的子代，從而降低了迭代次數(shù)，提高了效率。
【專利附圖】

【附圖說明】
[0036]圖1為本發(fā)明方法流程圖；
[0037]圖2為某程序流程圖。
【具體實(shí)施方式】
[0038]如圖1所示，本發(fā)明提供了一種基于遺傳算法的數(shù)據(jù)流測(cè)試用例自動(dòng)生成方法，步驟如下:
[0039](I)針對(duì)被測(cè)程序P中的一個(gè)定義使用對(duì)(def, use),找出由入口節(jié)點(diǎn)Ii1開始并且經(jīng)過定義節(jié)點(diǎn)def的使用節(jié)點(diǎn)use的支配路徑domdef Oi1, use)；
[0040]domdef (Ii1, use) =dom (Ii1, def) U dom(def, use)
[0041]其中，domOv def)表示由入口節(jié)點(diǎn)Ii1到定義節(jié)點(diǎn)def所必須經(jīng)過的節(jié)點(diǎn)組成的路徑，dom(def, use)表示由定義節(jié)點(diǎn)def到使用節(jié)點(diǎn)use所必須經(jīng)過的節(jié)點(diǎn)組成的路徑；[0042](2)根據(jù)設(shè)定的遺傳算法參數(shù)和輸入變量的取值范圍、精度，隨機(jī)生成初始種群InitPop,并賦值給當(dāng)前種群 CurrentPop,即 CurrentPop=InitPop,同時(shí)將 CurrentPop 賦值給父代種群 ParentPop,即 ParentPop=CurrentPop ；
[0043](3)將當(dāng)前種群CurrentPop中的每個(gè)個(gè)體輸入被測(cè)程序P，檢查實(shí)際路徑Pa對(duì)支配路徑domdef Oi1, use)的覆蓋程度；
[0044](4)若當(dāng)前種群CurrentPop中的所有個(gè)體執(zhí)行完后，domdef Oi1, use)中仍有節(jié)點(diǎn)沒有被覆蓋，且當(dāng)前遺傳代數(shù)沒有達(dá)到設(shè)定的最大遺傳代數(shù)，則執(zhí)行(5)- (7)，否則執(zhí)行(8);
[0045](5)計(jì)算當(dāng)前種群CurrentPop中每個(gè)個(gè)體的適應(yīng)度函數(shù)值,將其中最大值賦值給當(dāng)前種群CurrentPop中個(gè)體的最大適應(yīng)度值fmax_cur,當(dāng)CurrentPop種群中個(gè)體的最大適應(yīng)度值fmax_cur不大于父代種群中個(gè)體的最大適應(yīng)度值fmax_old時(shí),拋棄當(dāng)前種群，將父代種群再賦值給CurrentPop,即CurrentPop=ParentPop,其中fmax_old初始值為O,然后執(zhí)行(6);當(dāng)CurrentPop種群中個(gè)體的最大適應(yīng)度值fmax_cur大于父代種群中個(gè)體的最大適應(yīng)度值fmax_old時(shí),更新父代種群中個(gè)體的最大適應(yīng)度值,即fmax_old=fmax_cur,然后執(zhí)行(6)；
[0046]計(jì)算個(gè)體適應(yīng)度函數(shù)值的公式為:
[0047]
【權(quán)利要求】
1.一種基于遺傳算法的數(shù)據(jù)流測(cè)試用例自動(dòng)生成方法，其特征在于步驟如下: (1)針對(duì)被測(cè)程序P中的一個(gè)定義使用對(duì)(def,use),找出由入口節(jié)點(diǎn)II1開始并且經(jīng)過定義節(jié)點(diǎn)def的使用節(jié)點(diǎn)use的支配路徑domdef Oi1, use)； (2)根據(jù)設(shè)定的遺傳算法參數(shù)和輸入變量的取值范圍、精度，隨機(jī)生成初始種群InitPop,并賦值給當(dāng)前種群 CurrentPop,即 CurrentPop=InitPop,同時(shí)將 CurrentPop 賦值給父代種群 ParentPop,即 ParentPop=CurrentPop ； (3)將當(dāng)前種群CurrentPop中的每個(gè)個(gè)體輸入被測(cè)程序P，檢查實(shí)際路徑Pa對(duì)支配路Sdomdef(IiDuse)的覆蓋程度； (4)若當(dāng)前種群CurrentPop中的所有個(gè)體執(zhí)行完后，domdefOi1, use)中仍有節(jié)點(diǎn)沒有被覆蓋，且當(dāng)前遺傳代數(shù)沒有達(dá)到設(shè)定的最大遺傳代數(shù)，則執(zhí)行(5)- (7)，否則執(zhí)行(8)； (5)計(jì)算當(dāng)前種群CurrentPop中每個(gè)個(gè)體的適應(yīng)度函數(shù)值,將其中最大值賦值給當(dāng)前種群CurrentPop中個(gè)體的最大適應(yīng)度值fmax_cur,當(dāng)CurrentPop種群中個(gè)體的最大適應(yīng)度值fmax_cur不大于父代種群中個(gè)體的最大適應(yīng)度值fmax_old時(shí),拋棄當(dāng)前種群，將父代種群再賦值給CurrentPop,即CurrentPop=ParentPop,其中fmax_old初始值為O,然后執(zhí)行(6);當(dāng)CurrentPop種群中個(gè)體的最大適應(yīng)度值fmax_cur大于父代種群中個(gè)體的最大適應(yīng)度值fmax_old時(shí),更新父代種群中個(gè)體的最大適應(yīng)度值,即fmax_old=fmax_cur,然后執(zhí)行(6)； (6)依據(jù)適應(yīng)度函數(shù)值，根據(jù)程序結(jié)構(gòu)信息對(duì)當(dāng)前種群CurrentPop利用遺傳算法進(jìn)行選擇、交叉和變異操作得到新的種群NewPop ； (7)將當(dāng)前種群CurrentPop 賦值給父代種群 ParentPop,即 ParentPop=CurrentPop,將新種群NewPop賦值給當(dāng)前種群CurrentPop,即CurrentPop=NewPop,重復(fù)步驟(3)-(4)；` (8)若在最大遺傳代數(shù)之內(nèi)找到`了覆蓋d0mdefOi1, use)中所有節(jié)點(diǎn)的測(cè)試用例，則輸出該符合要求的測(cè)試用例；否則返回步驟(2)重新設(shè)定遺傳算法參數(shù)，直到生成符合要求的測(cè)試用例。
2.根據(jù)權(quán)利要求1所述的一種基于遺傳算法的數(shù)據(jù)流測(cè)試用例自動(dòng)生成方法，其特征在于:所述步驟(1)中找出支配路徑Cbmdef(I^use)的方法為:
domdef (Ii1, use)=dom(n1, def) U dom(def, use) 其中，domOvdef)表示由入口節(jié)點(diǎn)Ii1到定義節(jié)點(diǎn)def所必須經(jīng)過的節(jié)點(diǎn)組成的路徑，dom(def, use)表示由定義節(jié)點(diǎn)def到使用節(jié)點(diǎn)use所必須經(jīng)過的節(jié)點(diǎn)組成的路徑。
3.根據(jù)權(quán)利要求1所述的一種基于遺傳算法的數(shù)據(jù)流測(cè)試用例自動(dòng)生成方法，其特征在于:所述步驟(5)中計(jì)算個(gè)體適應(yīng)度函數(shù)值的公式為:
4.根據(jù)權(quán)利要求1所述的一種基于遺傳算法的數(shù)據(jù)流測(cè)試用例自動(dòng)生成方法，其特征在于:所述步驟(6)中根據(jù)程序結(jié)構(gòu)信息對(duì)當(dāng)前種群CurrentPop利用遺傳算法進(jìn)行選擇、交叉和變異操作的方法為: (4.1)首先進(jìn)行選擇操作:種群中每個(gè)個(gè)體進(jìn)入下一代的概率等于其適應(yīng)度值與整個(gè)種群中個(gè)體適應(yīng)度值和的比值，采用優(yōu)先級(jí)隨機(jī)概率選擇的方式選擇M個(gè)適應(yīng)度好的個(gè)體，其中M≥2 ； (4.2)對(duì)選中的個(gè)體進(jìn)行分組:按照適應(yīng)度值對(duì)選中的個(gè)體進(jìn)行分組，具有相同適應(yīng)度值的個(gè)體被分在同一組里，同組個(gè)體擁有相同的“第一個(gè)不滿足目標(biāo)路徑的分支節(jié)點(diǎn)” Clst,即以同組個(gè)體作為輸入測(cè)試被測(cè)程序時(shí)，程序執(zhí)行路徑將在同一分支節(jié)點(diǎn)處偏離目標(biāo)路徑，提取與該分支節(jié)點(diǎn)相關(guān)的輸入變量作為與該組個(gè)體相關(guān)的輸入變量，約束后續(xù)交叉變異的范圍； (4.3)對(duì)分組后的個(gè)體進(jìn)行交叉操作:交叉操作在同組個(gè)體之間進(jìn)行，對(duì)提取出的與該組個(gè)體相關(guān)的輸入變量所對(duì)應(yīng)的數(shù)據(jù)位進(jìn)行多點(diǎn)交叉，其他輸入變量直接賦值給子代；根據(jù)組內(nèi)個(gè)體數(shù)目，分兩種情況進(jìn)行交叉操作: O組內(nèi)個(gè)體大于I時(shí)，對(duì)相鄰的兩個(gè)個(gè)體進(jìn)行交叉； 2)組內(nèi)只有一個(gè)個(gè)體時(shí),通過復(fù)制個(gè)體的方式來完成交叉操作； (4.4)對(duì)交叉操作后的個(gè)體進(jìn)行變異操作:對(duì)交叉操作生成的子代個(gè)體，隨機(jī)從每個(gè)需要修改的輸入變量所對(duì)應(yīng)的數(shù)據(jù)位中選取一個(gè)或多個(gè)數(shù)據(jù)位進(jìn)行修改，形成新的個(gè)體。
5.根據(jù)權(quán)利要求4所述的一種基于遺傳算法的數(shù)據(jù)流測(cè)試用例自動(dòng)生成方法，其特征在于:所述步驟(4.2)中提取與某分支節(jié)點(diǎn)相關(guān)的輸入變量的步驟為: (a)提取分支表達(dá)式中運(yùn)算符號(hào)左右兩邊涉及到的所有變量，將其中的輸入變量加入到R輸人變量集合中，即R輸人變量={R輸人變量I，R輸人變量2，…，R輸人變量J，將程序變量加入到R程序變量集合中，即R程序變量={R程序變量丨，R程序變量2，…，R程序變量J，n e [1，N], N為自然數(shù)； (b)對(duì)每個(gè)程序變量，從該分支表達(dá)式向前逐條語(yǔ)句回溯掃描，若掃描到該程序變量的賦值語(yǔ)句(該程序變量位于賦值號(hào)左邊)，則賦值號(hào)右邊的變量即為程序變量的相關(guān)變量； (C)如果這些相關(guān)變量都為輸入變量，則針對(duì)該程序變量的掃描停止，將其相關(guān)的輸入變量加入到集合中，如果這些變量中還有程序變量，則繼續(xù)執(zhí)行(b)和(C)，直到這些變量中沒有程序變量為止； (d)對(duì)集合中的所有變量執(zhí)行(b)和(C)，從而找到與每一個(gè)程序變量相關(guān)的輸入變量，R?入集合中所有的變量即為與該分支相關(guān)的所有輸入變量。
【文檔編號(hào)】G06N3/12GK103593287SQ201310524293
【公開日】2014年2月19日 申請(qǐng)日期:2013年10月30日 優(yōu)先權(quán)日:2013年10月30日
【發(fā)明者】楊桂枝, 鄭平, 張輝, 張偉, 詹海潭, 高金梁 申請(qǐng)人:北京信息控制研究所